This post is also available in:
English (영어)
AI·디지털 전환은 한국 고등교육의 거버넌스를 어떻게 흔들고 있는가
대학의 미래를 이야기할 때 인공지능과 디지털 전환은 더 이상 전망이나 예측의 영역이 아니다. 이미 많은 대학에서 온라인 수업은 일상적인 교육 방식이 되었고, 학습 관리 시스템과 자동화된 행정 도구는 캠퍼스 운영의 일부로 자리 잡았다. 학생들은 강의실 밖에서도 AI를 활용해 학습하고, 교수 역시 수업 준비와 연구 과정에서 다양한 디지털 도구를 활용한다. 기술은 이미 대학 안으로 들어와 있다. 그러나 기술의 유입이 곧 대학의 변화로 이어졌다고 말하기는 어렵다. 교육 방식은 일부 달라졌지만, 대학을 움직이는 구조는 크게 달라지지 않았다. 학기제, 학점제, 강의 시수 중심의 운영 방식, 교수 평가와 재정 배분의 기준은 여전히 과거의 틀을 유지하고 있다. 디지털 전환은 대학의 표면을 바꾸었지만, 대학을 지탱하는 구조까지 바꾸지는 못했다.
이 지점에서 질문은 분명해진다. 한국 고등교육의 문제는 AI를 도입했느냐의 문제가 아니라, AI가 이미 들어온 상태에서도 기존 구조를 유지할 수 있다고 믿고 있는가라는 문제다. 기술은 이미 변화를 시작했지만, 대학의 거버넌스와 제도는 그 변화를 흡수하지 못한 채 긴장을 키우고 있다.
AI와 디지털 기술을 둘러싼 대학 내 논의는 종종 활용 여부나 활용 범위에 머문다. 어떤 수업에 AI를 허용할 것인가, 과제 작성에 AI를 어디까지 사용할 수 있는가와 같은 질문들이 대표적이다. 그러나 이러한 논의는 문제의 본질을 비켜간다. AI는 단순한 보조 도구가 아니라, 대학 교육이 전제로 삼아왔던 여러 가정을 동시에 흔들고 있기 때문이다.기존의 대학 교육은 지식의 희소성을 전제로 작동해왔다. 교수는 지식의 주요 공급자였고, 대학은 지식에 접근할 수 있는 특권적 공간이었다. 그러나 AI의 확산은 이 전제를 무너뜨린다. 정보 접근과 기초적인 설명은 더 이상 대학만의 영역이 아니다. 학생들은 언제든지 질문할 수 있고, 요약과 설명을 요청할 수 있으며, 다양한 관점을 비교할 수 있다. 이 변화는 대학의 역할을 축소시키는 것이 아니라, 오히려 더 근본적인 질문을 던진다. 대학이 제공해야 할 것은 정보 그 자체가 아니라, 정보를 해석하고 판단하고 적용하는 능력, 그리고 그 과정이 사회적 경로와 어떻게 연결되는지를 설계하는 역할이라는 질문이다. AI는 대학을 대체하지 않지만, 대학이 무엇을 해야 하는지를 더 분명하게 묻는다.
교육 방식의 변화보다 느린 제도의 속도
문제는 기술 변화의 속도와 제도의 속도가 크게 어긋나 있다는 점이다. 온라인 수업과 하이브리드 학습은 빠르게 확산되었지만, 이를 뒷받침하는 제도는 여전히 오프라인 강의 중심으로 설계돼 있다. 학점은 여전히 일정 시간의 수업 참여를 기준으로 산정되고, 성취는 시험과 과제 중심으로 평가된다. 기술이 허용하는 유연성은 제도에 의해 다시 압축된다. 이 불일치는 대학 구성원 모두에게 부담으로 작용한다. 교수는 새로운 방식의 수업과 평가를 시도하라는 요구를 받지만, 그 시도는 기존의 평가 체계 안에서 충분히 인정받지 못한다. 학생 역시 다양한 학습 경로를 경험하지만, 공식적으로 인정되는 성취는 제한적이다. 디지털 전환은 교육 현장의 부담을 줄이기보다, 오히려 구조적 긴장을 증폭시키는 역할을 하기도 한다. 이러한 상황은 우연이 아니다. 한국 고등교육의 제도는 오랫동안 안정성과 형평성을 중시해왔고, 이는 일정 부분 성과를 가져왔다. 그러나 AI와 디지털 환경에서는 이 안정성이 곧 경직성으로 전환된다. 변화의 여지를 최소화하는 제도는, 변화가 불가피한 상황에서는 오히려 위험 요인이 된다.
이 지점에서 디지털 전환을 다시 정의할 필요가 있다. 대학에서의 디지털 전환은 새로운 플랫폼을 도입하거나 시스템을 업그레이드하는 문제가 아니다. 그것은 누가 교육의 방향을 결정하는가, 어떤 기준으로 성과를 판단하는가, 변화의 책임은 어디에 있는가라는 거버넌스의 문제다. 한국 대학의 거버넌스는 오랫동안 중앙집중적이고 규범 중심적으로 작동해왔다. 일정한 기준과 규칙은 대학 간 형평성을 유지하는 데 기여했지만, 동시에 실험과 차별화를 어렵게 만들었다. 디지털 전환은 이 구조의 한계를 드러낸다. 새로운 교육 모델을 시도하려면 자율성이 필요하지만, 그 자율성은 기존 거버넌스 안에서 충분히 보장되지 않는다. AI 시대의 고등교육은 동일한 해법을 모든 대학에 적용하는 방식으로는 작동하기 어렵다. 대학의 역할과 여건은 서로 다르며, 디지털 전략 역시 달라질 수밖에 없다. 그러나 현재의 거버넌스는 이러한 차이를 충분히 반영하지 못한다. 그 결과 디지털 전환은 ‘해야 할 일’로는 인식되지만, ‘설계할 수 있는 일’로는 받아들여지지 않는다.
AI는 모두에게 같은 속도로 도착하지 않는다
AI와 디지털 전환은 흔히 보편적 기술로 이야기된다. 인터넷과 마찬가지로, 기술이 한 번 확산되면 모든 기관과 개인이 동일한 조건에서 접근할 수 있을 것이라는 기대가 뒤따른다. 그러나 고등교육 현장에서 드러나는 현실은 다르다. AI는 모든 대학에 동시에, 같은 방식으로 도착하지 않는다. 기술 그 자체는 접근 가능할지 모르지만, 그것을 실제 교육과 행정에 통합할 수 있는 역량은 대학마다 크게 다르다. 인프라, 재정, 인력, 조직 문화의 차이가 그대로 디지털 전환의 격차로 이어진다. 이 격차는 기존의 대학 서열과 맞물리며 더욱 확대될 가능성이 크다. AI는 중립적인 도구처럼 보이지만, 실제로는 기존 구조의 차이를 증폭시키는 경향을 가진다. 준비된 조직은 기술을 활용해 더 빠르게 진화하고, 그렇지 못한 조직은 기술 도입 자체가 또 하나의 부담이 된다.
수도권과 대형 대학은 디지털 전환에서 상대적으로 유리한 위치에 있다. 재정 여력이 있고, 전담 인력을 확보할 수 있으며, 외부 기업과의 협력도 수월하다. 새로운 학습 플랫폼을 도입하거나, AI 기반 분석 시스템을 구축하는 데 필요한 초기 비용과 시행착오를 감당할 수 있다. 이러한 대학들은 디지털 전환을 단순한 효율화가 아니라, 전략적 도구로 활용할 수 있다. 교육 모델을 실험하고, 데이터 기반 의사결정을 강화하며, 새로운 학습 경로를 설계하는 데 기술을 적극적으로 활용한다. 디지털 전환은 이들에게 선택의 폭을 넓혀주는 수단이 된다. 반면 이러한 변화는 모든 대학에 동일하게 적용되기 어렵다. 기술을 도입하는 것과, 그 기술을 조직 전체의 변화로 연결하는 것은 전혀 다른 문제다. 디지털 전환의 격차는 여기서부터 발생한다.
지역대학과 중소규모 대학에게 디지털 전환은 종종 이중의 부담으로 다가온다. 재정 여력이 제한된 상황에서 새로운 시스템을 도입해야 하고, 이를 운영할 전문 인력을 확보하기도 쉽지 않다. 기존의 행정 업무와 교육을 유지하면서 동시에 디지털 전환을 추진하는 것은 현실적으로 큰 압박이 된다. 또한 지역대학은 디지털 전환의 효과를 즉각적으로 체감하기 어렵다. 온라인 교육을 확대하더라도, 그것이 곧바로 학생 유입이나 재정 안정으로 이어지지 않는 경우가 많다. 오히려 온라인 교육이 수도권 대학의 영향력을 확장시키는 수단으로 작동할 가능성도 있다. 기술이 공간의 제약을 줄이면서, 경쟁의 범위는 더 넓어지는 셈이다. 이러한 조건에서 디지털 전환은 지역대학에게 기회이면서 동시에 위험이 된다. 준비되지 않은 전환은 대학의 부담을 늘리고, 기존의 취약성을 더욱 노출시킬 수 있다.
중요한 점은 디지털 전환 자체가 격차를 자동으로 줄여주지는 않는다는 사실이다. 기술은 잠재적으로 접근성을 높일 수 있지만, 실제 효과는 제도와 정책 설계에 따라 달라진다. 동일한 기술이라도 어떤 대학은 이를 혁신의 계기로 활용하고, 어떤 대학은 관리 부담으로만 인식할 수 있다. 격차를 줄이는 방향의 디지털 전환은 대학의 역할 분화를 전제로 한다. 모든 대학이 동일한 수준의 AI 활용을 목표로 삼을 필요는 없다. 지역 기반 대학은 지역 학습자와 평생학습, 지역 문제 해결에 적합한 디지털 전략을 택할 수 있다. 연구 중심 대학과 동일한 모델을 따를 필요는 없다. 반대로 모든 대학에 동일한 디지털 기준을 적용할 경우, 격차는 더욱 확대될 가능성이 크다. 동일한 평가 기준과 기술 도입 요구는, 준비된 대학에게는 기회가 되지만 그렇지 않은 대학에게는 부담으로 작용한다. 디지털 전환이 또 하나의 서열화 장치가 될 위험이 여기에 있다.
AI 활용의 불균등은 대학 간 차이에 그치지 않고, 학생 경험의 격차로 이어진다. 어떤 대학의 학생은 개인화된 학습 지원과 다양한 디지털 도구를 활용할 수 있는 반면, 다른 대학의 학생은 최소한의 시스템만을 경험한다. 이는 학습 성과뿐 아니라, 졸업 이후의 경로에도 영향을 미친다. 디지털 역량은 이제 하나의 중요한 자본이 되고 있다. 대학에서 어떤 기술 환경을 경험했는지는 학생의 문제 해결 방식과 직무 적응력에 영향을 미친다. 이 격차가 대학 간 서열과 결합될 경우, 고등교육은 격차를 완화하기보다 재생산하는 구조로 작동할 위험이 커진다. AI 시대의 고등교육이 평등한 기회를 제공하기 위해서는, 기술 접근의 형식적 평등을 넘어 실질적인 활용 격차를 고려해야 한다. 이는 단순히 장비를 보급하는 문제가 아니라, 대학의 역할과 기능에 맞는 디지털 전략을 설계하는 문제다.
이 지점에서 디지털 전환 논의는 앞선 회차에서 다룬 글로컬대학과 다시 연결된다. 지역대학이 지역 혁신의 중심이 되기 위해서는, 디지털 기술이 지역의 조건과 결합되어야 한다. 원격 교육과 데이터 분석, AI 기반 행정은 지역대학이 새로운 역할을 수행할 수 있는 도구가 될 수 있다. 그러나 그 가능성이 현실이 되기 위해서는, 디지털 전환이 수도권 중심 모델의 확장이 아니라 지역 맞춤형 전략으로 설계돼야 한다. 지역대학이 지역 학습자와 산업, 행정과 연결되는 디지털 플랫폼으로 기능할 때, 기술은 격차를 줄이는 방향으로 작동할 수 있다. 디지털 전환은 따라서 기술의 문제가 아니라 선택의 문제다. 어떤 대학에게 어떤 역할을 기대하는지, 그 역할을 수행하기 위해 어떤 기술을 지원할 것인지에 대한 정책적 판단이 필요하다.
AI 활용의 윤리 문제는 기술의 문제가 아니다
AI가 고등교육에 본격적으로 들어오면서 가장 빠르게 제기된 쟁점은 윤리다. 과제 대행과 표절, 평가의 공정성, 데이터 프라이버시, 알고리즘 편향성에 대한 우려는 이미 대학 현장에서 현실적인 문제로 등장했다. 그러나 이 문제들을 기술의 통제나 사용 금지로만 접근하는 것은 충분하지 않다. 윤리 문제의 핵심은 기술 그 자체가 아니라, 책임의 구조가 어디에 놓여 있는가에 있다. AI를 활용한 학습과 평가에서 발생하는 문제는 단순히 학생의 일탈이나 기술의 오작동으로 환원될 수 없다. 어떤 범위까지 AI 활용을 허용할 것인지, 학습의 책임은 누구에게 있는지, 평가의 최종 판단 주체는 누구인지에 대한 합의가 먼저 필요하다. 이러한 질문에 답하지 않은 채 기술만 도입할 경우, 윤리 논의는 사후적 통제에 머물 가능성이 크다. 윤리는 규칙의 나열이 아니라, 역할과 책임의 배분 문제다. 대학이 AI 활용을 허용하면서도 학습의 주체성을 유지하고자 한다면, 무엇을 학생의 책임으로 남기고 무엇을 제도의 책임으로 가져갈 것인지에 대한 명확한 기준이 필요하다.
AI 시대의 평가 공정성은 단순히 부정행위를 막는 문제를 넘어선다. 평가가 무엇을 측정하고 있는지, 그리고 그 측정이 교육의 목적과 얼마나 일치하는지에 대한 질문이 뒤따른다. 기존의 평가 방식은 결과 중심이었다. 정답을 맞혔는지, 기준에 부합하는 산출물을 제출했는지가 중요했다. 그러나 AI 환경에서는 결과만으로 학습의 질을 판단하기 어렵다. AI를 활용해 더 높은 수준의 분석과 종합이 가능해졌기 때문이다. 이때 평가가 여전히 결과의 형식에만 머물 경우, 교육은 기술을 활용한 학습을 제대로 인정하지 못한다. 반대로 과정과 사고의 깊이를 평가하려면, 평가 방식 자체가 바뀌어야 한다. 문제는 이러한 변화가 개별 교수의 노력만으로는 이루어지기 어렵다는 점이다. 평가 방식의 전환은 학사 제도, 행정 시스템, 성과 관리와 연결돼 있다. AI 시대의 평가 공정성은 개인의 윤리 의식이 아니라, 제도적 설계의 문제다.
규제와 자율의 경계에서 대학은 무엇을 선택해야 하는가
AI 활용을 둘러싼 또 하나의 핵심 쟁점은 규제와 자율의 균형이다. 지나친 규제는 교육 혁신을 위축시키고, 과도한 자율은 책임의 공백을 낳을 수 있다. 대학은 이 두 극단 사이에서 선택을 강요받고 있다. 중요한 것은 모든 대학에 동일한 규제를 적용하는 방식이 현실적이지 않다는 점이다. 대학의 역할과 여건, 교육 대상은 서로 다르다. 연구 중심 대학, 지역 기반 대학, 평생학습 중심 대학은 각기 다른 AI 활용 전략을 필요로 한다. 이 차이를 인정하지 않는 규제는 오히려 형식적 준수만을 낳을 가능성이 크다. AI 시대의 거버넌스는 중앙 통제보다는 원칙 중심의 분산 설계에 가깝다. 최소한의 공통 원칙을 설정하되, 구체적인 운영은 대학의 역할에 따라 달라질 수 있어야 한다. 이때 중요한 것은 자율성에 상응하는 책임이다. 대학이 스스로 기준을 설정하고 운영할 수 있도록 하되, 그 결과에 대한 책임 역시 명확히 져야 한다.
AI와 디지털 전환을 둘러싼 논의에서 자주 등장하는 오해 중 하나는, 기술이 선택을 대신해줄 것이라는 기대다. 데이터가 충분히 쌓이고 알고리즘이 정교해지면, 최적의 교육 모델과 운영 방식이 자동으로 도출될 것이라는 믿음이다. 그러나 기술은 선택을 자동화할 수 있을지언정, 선택의 기준을 정해주지는 않는다. 대학이 무엇을 중요하게 여기는지, 어떤 역할을 수행하려는지는 기술이 아니라 정책과 거버넌스의 영역이다. AI는 그 선택을 실행하는 도구일 뿐이다. 구조를 바꾸지 않은 채 기술만 도입하는 선택은, 기존 문제를 더 효율적으로 반복하는 결과로 이어질 가능성이 크다. 이 점에서 AI는 대학 개혁의 해답이 아니라, 질문을 더 명확하게 만드는 조건이다. 무엇을 유지하고 무엇을 바꿀 것인지에 대한 판단을 미룰 수 없게 만든다는 점에서, 기술은 고등교육을 압박한다.
구조를 바꾸지 않으면 미래는 오지 않는다
이번 특집 시리즈 지면을 통해 우리는 한국 교육의 성취에서 출발해, 청년 경로 불안정, 지역대학과 글로컬대학, 그리고 AI·디지털 전환에 이르기까지 고등교육의 구조를 따라가며 질문을 던져왔다. 이 질문들은 서로 다른 주제를 다루는 것처럼 보이지만, 결국 하나의 문제로 수렴된다. 한국 고등교육은 지금의 구조로 다음 단계로 갈 수 있는가라는 질문이다. AI와 디지털 전환은 고등교육의 미래를 보장하지 않는다. 그러나 변화를 더 이상 미룰 수 없게 만든다. 대학의 역할, 평가 기준, 재정 구조, 거버넌스가 바뀌지 않는다면, 기술은 오히려 기존의 불균형을 강화하는 도구로 작동할 수 있다. 반대로 구조 전환이 이루어진다면, 기술은 새로운 경로를 여는 촉매가 될 수 있다.
한국 고등교육이 직면한 선택은 분명하다. 기술을 도입하는 대학에 머물 것인지, 아니면 구조를 재설계하는 대학으로 나아갈 것인지의 선택이다. 이 선택은 단지 대학의 문제가 아니라, 청년의 경로와 지역의 미래, 사회의 지속 가능성을 좌우하는 선택이기도 하다.
#AI와교육 #고등교육 #디지털전환 #대학거버넌스 #대학개혁 #교육정책 #대학의미래 #스포트라이트유
답글 남기기